CN103006358A - 一种肌电假手的控制方法 - Google Patents
一种肌电假手的控制方法 Download PDFInfo
- Publication number
- CN103006358A CN103006358A CN2012105784228A CN201210578422A CN103006358A CN 103006358 A CN103006358 A CN 103006358A CN 2012105784228 A CN2012105784228 A CN 2012105784228A CN 201210578422 A CN201210578422 A CN 201210578422A CN 103006358 A CN103006358 A CN 103006358A
- Authority
- CN
- China
- Prior art keywords
- electromyographic signal
- max
- another person
- grip
- emg
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Prostheses (AREA)
- Feedback Control In General (AREA)
Abstract
一种肌电假手的控制方法,包括基于肌电信号自适应学习的动作识别方法和握力模糊控制方法。基于肌电信号自适应学习的动作识别方法以人体手臂一对拮抗肌上采集得到的经过放大、整流、滤波后的张开肌电信号EMG1、闭合肌电信号EMG2作为输入信号,通过更新自适应比例因子,从而实现对人体肌电信号的自适应,并根据佩戴者手臂肌肉的收缩程度输出假手的期望握力。握力模糊控制方法用于实现对假手期望握力的跟踪,从而实现根据假手佩戴者手臂肌电信号的强度来控制假手的握力大小。使用时只需要将两个肌电传感器贴合在佩戴者手臂的一对拮抗肌上,打开假手电源,佩戴者上抬和下手腕即可实现对假手的控制。
Description
一、技术领域
本发明涉及一种肌电假手的控制方法,用于手肌电假手的控制,属于特殊器械控制领域。
二、背景技术
在肌电假手控制中,传统肌电信号的识别决策方法虽然具有一定的有效性,但是未充分考虑不同佩戴者或同一佩戴在不同条件下肌电信号存在差异的问题,导致假手在安装佩戴时要进行因人而异的参数调整,实际使用中存在一定的局限性;在握力控制方面,一些控制算法基于假手上安装有较为完善的传感***取得了较好的握力跟踪控制效果,然而,实际肌电假手由于大小、尺寸、生产成本等的限制无法安装充分的传感器,导致目前商业化的肌电假手难以实现准确的力控制。
三、发明内容
本发明的目的在于提供一种具有自适应学习动作识别能力、能够避免假手在安装佩戴时要进行因人而异的参数调整的肌电假手的控制方法。
本发明的目的是这样实现的:
步骤1:取带有第一AD转换器的第一肌电传感器和带有第二AD转换器的第二肌电传感器,所述第一肌电传感器和第二肌电传感器分别用于采集手臂上的一对拮抗肌的肌电信号中的张开肌电信号EMG1和手臂上的一对拮抗肌的肌电信号中的闭合肌电信号EMG2,令MaxE1、MaxE2的初值为0,MinE1、MinE2的初值为2M,M为AD转换器的位数,MaxE1、MaxE2分别为经过放大、整流、滤波预处理后的张开肌电信号EMG1和闭合肌电信号EMG2的最大值,MinE1、MinE2分别为经过放大、整流、滤波预处理后的张开肌电信号EMG1和闭合肌电信号EMG2的最小值,
步骤2:肌电信号自适应学习动作识别,输出假手的期望握力Fd,详细步骤如下:
步骤2.1利用第一肌电传感器采集手臂上的一对拮抗肌的肌电信号中的张开肌电信号EMG1,利用第二肌电传感器采集手臂上的一对拮抗肌的肌电信号中的闭合肌电信号EMG2,再分别对张开肌电信号EMG1及闭合肌电信号EMG2进行放大、整流、滤波,得到预处理后的张开肌电信号EMG1及预处理后的闭合肌电信号EMG2,
步骤2.2:分别更新预处理后的张开肌电信号EMG1的最大值MaxE1、预处理后的张开肌电信号EMG1的最小值MinE1、预处理后的闭合肌电信号EMG2的最大值MaxE2及预处理后的闭合肌电信号EMG2的最小值MinE2,更新方法如下:
分别计算张开肌电信号的自适应比例因子KE1及闭合肌电信号的自适应比例因子KE2:
步骤2.3:计算当前采集得到肌电信号的张开程度E1和闭合程度E2:
E1=(EMG1-MinE1)×KE1
E2=(EMG2-MinE2)×KE2
步骤2.4:根据肌电信号的张开程度E1和闭合程度E2进行动作判别,判别结果为E,E>0对应于假手的期望动作为张开,E<0对应于假手的期望动作为闭合,E=0对应于假手的期望动作为停止,
E=(E1-E2)×KE
其中,KE为转换比例因子,数值上等于假手最大握力设计值Fmax,用于将肌电信号的强度转换为对应的假手期望握力,
步骤2.5:消除假手佩戴者的手臂在放松状态下由于微小干扰而造成假手误动作,输出假手的期望握力Fd,
Fd=E×f(E)
其中 E0=0.05×KE,E0为设定的最大干扰信号值,
步骤3:通过握力模糊控制器得到假手的控制信号y,详细步骤如下:
ΔF=Fd-Fn
其中Fn′为上一次采集得到的假手握力信号,第1次执行步骤3.1时Fn′=0,
步骤3.2:将握力跟踪误差ΔF和握力变化率输入握力模糊控制器,握力模糊控制器输出假手的控制信号y,
步骤4:电流保护环节以握力模糊控制器输出信号y和假手上电机的反馈电流I作为输入,电流保护环节的输出为U,
U=y×f(I)
其中 Im为电机使用说明中标明的电机连续堵转电流,
步骤5:将电流保护环节的输出信号U进行功率放大后用于驱动假手上的直流电机,从而控制假手的握力,
步骤6:返回步骤2.1。
使用时只需要将两个肌电传感器贴合在佩戴者手臂的一对拮抗肌上,打开假手电源,佩戴者上抬和下手腕即可实现对假手的控制。
与现有技术相比,本发明具有如下优点:
1、肌电信号自适应学习动作识别器通过简单的肌电信号自适应学习,实时更新两路肌电信号的幅值范围,计算张开肌电信号的张开程度和闭合程度,与传统的将两路肌电信号直接相减的方法相比,避免了不同佩戴者或同一佩戴在不同条件下由于肌电信号存在差异,导致假手在安装佩戴时要进行因人而异的参数调整的问题,提高了适合的普遍性,同时也大大减少了佩戴者对假手的学习适应时间。
2、握力模糊控制算法,在只有力传感器的情况下实现了较好的假手握力控制,设计的算法复杂度低,计算量小,无需高端的处理器就可实现假手的灵活控制,适合于商业化假手中的应用。
3、设计的假手控制方法在实际操作时与人体自然手的操作习惯相同,简短了佩戴者对假手的适应时间。
4、设计的基于肌电信号自适应学习的动作识别器中有去抖环节,降低了假手误动作的发生概率。
5、设计的假手握力控制器中电流保护环节,防止因电机长时间堵转而电机损坏。
四、附图说明
图1是本发明一种肌电假手的控制方法的组成框图。
图2是本发明一种肌电假手的控制方法的基于肌电信号自适应学习的动作识别方法组成框图。
图3是本发明一种肌电假手的控制方法的ΔF的隶属函数图。
五、具体实施方式
下面结合附图详细说本发明的具体实施步骤。
一种肌电假手的控制方法,包括基于肌电信号自适应学习的动作识别方法和握力模糊控制方法,控制流程如图1所示,具体步骤如下:
步骤1:取带有第一AD转换器的第一肌电传感器和带有第二AD转换器的第二肌电传感器,所述第一肌电传感器和第二肌电传感器分别用于采集手臂上的一对拮抗肌的肌电信号中的张开肌电信号EMG1和手臂上的一对拮抗肌的肌电信号中的闭合肌电信号EMG2,令MaxE1、MaxE2的初值为0,MinE1、MinE2的初值为2M,M为AD转换器的位数,MaxE1、MaxE2分别为经过放大、整流、滤波预处理后的张开肌电信号EMG1和闭合肌电信号EMG2的最大值,MinE1、MinE2分别为经过放大、整流、滤波预处理后的张开肌电信号EMG1和闭合肌电信号EMG2的最小值,
步骤2:肌电信号自适应学习动作识别,动作识别流程如图2所示,输出假手的期望握力Fd,详细步骤如下:
步骤2.1利用第一肌电传感器采集手臂上的一对拮抗肌的肌电信号中的张开肌电信号EMG1,利用第二肌电传感器采集手臂上的一对拮抗肌的肌电信号中的闭合肌电信号EMG2,再分别对张开肌电信号EMG1及闭合肌电信号EMG2进行放大、整流、滤波,得到预处理后的张开肌电信号EMG1及预处理后的闭合肌电信号EMG2,
步骤2.2:分别更新预处理后的张开肌电信号EMG1的最大值MaxE1、预处理后的张开肌电信号EMG1的最小值MinE1、预处理后的闭合肌电信号EMG2的最大值MaxE2及预处理后的闭合肌电信号EMG2的最小值MinE2,更新方法如下:
分别计算张开肌电信号的自适应比例因子KE1及闭合肌电信号的自适应比例因子KE2:
步骤2.3:计算当前采集得到肌电信号的张开程度E1和闭合程度E2:
E1=(EMG1-MinE1)×KE1
E2=(EMG2-MinE2)×KE2
步骤2.4:根据肌电信号的张开程度E1和闭合程度E2进行动作判别,判别结果为E,E>0对应于假手的期望动作为张开,E<0对应于假手的期望动作为闭合,E=0对应于假手的期望动作为停止,
E=(E1-E2)×KE
其中,KE为转换比例因子,数值上等于假手最大握力设计值Fmax,用于将肌电信号的强度转换为对应的假手期望握力,例如当假手最大握力设计值Fmax=20N时,KE=20,
步骤2.5:消除假手佩戴者的手臂在放松状态下由于微小干扰而造成假手误动作,输出假手的期望握力Fd,
Fd=E×f(E)
其中 E0为设定的最大干扰信号值,设定方法为:E0=0.05×KE
步骤3:通过握力模糊控制器得到假手的控制信号y,详细步骤如下:
ΔF=Fd-Fn
其中Fn′为上一次采集得到的假手握力信号,第1次执行步骤3.1时Fn′=0,
步骤3.2.1:计算ΔF的隶属度Ai(ΔF),采用三角形隶属函数,ΔF的隶属函数如图3所示,ΔF分为7个等级:负大(NL)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PL),f0、f6分别对应于ΔF的最大值、最小值,
其中,fΔ=(f6-f0)/6,aΔF=1/fΔ,
其中,
步骤3.2.3:计算规则激活度αij,
步骤3.2.4:查询模糊规则表,得到第ij条规则的值为fij,
步骤3.2.5:采用加权平均法计算握力模糊控制器的输出y,
步骤4:电流保护环节以握力模糊控制器输出信号y和假手上电机的反馈电流I作为输入,电流保护环节的输出为U,
U=y×f(I)
其中 Im为电机使用说明中标明的电机连续堵转电流,
步骤5:将电流保护环节的输出信号U进行功率放大后用于驱动假手上的直流电机,从而控制假手的握力,
步骤6:返回步骤2.1。
Claims (1)
1.一种肌电假手的控制方法,具体步骤如下:
步骤1:取带有第一AD转换器的第一肌电传感器和带有第二AD转换器的第二肌电传感器,所述第一肌电传感器和第二肌电传感器分别用于采集手臂上的一对拮抗肌的肌电信号中的张开肌电信号EMG1和手臂上的一对拮抗肌的肌电信号中的闭合肌电信号EMG2,令MaxE1、MaxE2的初值为0,MinE1、MinE2的初值为2M,M为AD转换器的位数,MaxE1、MaxE2分别为经过放大、整流、滤波预处理后的张开肌电信号EMG1和闭合肌电信号EMG2的最大值,MinE1、MinE2分别为经过放大、整流、滤波预处理后的张开肌电信号EMG1和闭合肌电信号EMG2的最小值,
步骤2:肌电信号自适应学习动作识别,输出假手的期望握力Fd,详细步骤如下:
步骤2.1利用第一肌电传感器采集手臂上的一对拮抗肌的肌电信号中的张开肌电信号EMG1,利用第二肌电传感器采集手臂上的一对拮抗肌的肌电信号中的闭合肌电信号EMG2,再分别对张开肌电信号EMG1及闭合肌电信号EMG2进行放大、整流、滤波,得到预处理后的张开肌电信号EMG1及预处理后的闭合肌电信号EMG2,
步骤2.2:分别更新预处理后的张开肌电信号EMG1的最大值MaxE1、预处理后的张开肌电信号EMG1的最小值MinE1、预处理后的闭合肌电信号EMG2的最大值MaxE2及预处理后的闭合肌电信号EMG2的最小值MinE2,更新方法如下:
分别计算张开肌电信号的自适应比例因子KE1及闭合肌电信号的自适应比例因子KE2:
步骤2.3:计算当前采集得到肌电信号的张开程度E1和闭合程度E2:
E1=(EMG1-MinE1)×KE1
E2=(EMG2-MinE2)×KE2
步骤2.4:根据肌电信号的张开程度E1和闭合程度E2进行动作判别,判别结果为E,E>0对应于假手的期望动作为张开,E<0对应于假手的期望动作为闭合,E=0对应于假手的期望动作为停止,
E=(E1-E2)×KE
其中,KE为转换比例因子,数值上等于假手最大握力设计值Fmax,用于将肌电信号的强度转换为对应的假手期望握力,
步骤2.5:消除假手佩戴者的手臂在放松状态下由于微小干扰而造成假手误动作,输出假手的期望握力Fd,
Fd=E×f(E)
其中 E0=0.05×KE,E0为设定的最大干扰信号值,
步骤3:通过握力模糊控制器得到假手的控制信号y,详细步骤如下:
ΔF=Fd-Fn
其中Fn′为上一次采集得到的假手握力信号,第1次执行步骤3.1时Fn′=0,
步骤4:电流保护环节以握力模糊控制器输出信号y和假手上电机的反馈电流I作为输入,电流保护环节的输出为U,
U=y×f(I)
其中 Im为电机使用说明中标明的电机连续堵转电流,
步骤5:将电流保护环节的输出信号U进行功率放大后用于驱动假手上的直流电机,从而控制假手的握力,
步骤6:返回步骤2.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210578422.8A CN103006358B (zh) | 2012-12-27 | 2012-12-27 | 一种肌电假手的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210578422.8A CN103006358B (zh) | 2012-12-27 | 2012-12-27 | 一种肌电假手的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103006358A true CN103006358A (zh) | 2013-04-03 |
CN103006358B CN103006358B (zh) | 2014-11-12 |
Family
ID=47955832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210578422.8A Active CN103006358B (zh) | 2012-12-27 | 2012-12-27 | 一种肌电假手的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103006358B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103417315A (zh) * | 2013-08-01 | 2013-12-04 | 中南大学 | 一种假肢手的拟人反射控制方法 |
CN103494660A (zh) * | 2013-10-17 | 2014-01-08 | 东南大学 | 基于随机共振的肌电假手控制方法 |
CN104721012A (zh) * | 2013-12-24 | 2015-06-24 | 上银科技股份有限公司 | 感应式力量反馈机构 |
CN105616042A (zh) * | 2014-10-30 | 2016-06-01 | 中国科学院深圳先进技术研究院 | 一种智能假手控制*** |
CN110169851A (zh) * | 2019-05-28 | 2019-08-27 | 南京航空航天大学 | 肌电信号自适应调节的假手控制*** |
CN112040858A (zh) * | 2017-10-19 | 2020-12-04 | 脸谱科技有限责任公司 | 用于识别与神经肌肉源信号相关的生物结构的***和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060015470A1 (en) * | 2004-07-14 | 2006-01-19 | Richard Lauer | Neural prosthesis with fuzzy logic control system |
US20100293115A1 (en) * | 2006-08-21 | 2010-11-18 | Kaveh Seyed Momen | Method, system and apparatus for real-time classification of muscle signals from self -selected intentional movements |
CN102228399A (zh) * | 2011-06-17 | 2011-11-02 | 东南大学 | 基于模糊控制器的肌电假手握力控制方法 |
CN102309365A (zh) * | 2011-08-30 | 2012-01-11 | 西安交通大学苏州研究院 | 一种可穿戴的脑控智能假肢 |
-
2012
- 2012-12-27 CN CN201210578422.8A patent/CN103006358B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060015470A1 (en) * | 2004-07-14 | 2006-01-19 | Richard Lauer | Neural prosthesis with fuzzy logic control system |
US20100293115A1 (en) * | 2006-08-21 | 2010-11-18 | Kaveh Seyed Momen | Method, system and apparatus for real-time classification of muscle signals from self -selected intentional movements |
CN102228399A (zh) * | 2011-06-17 | 2011-11-02 | 东南大学 | 基于模糊控制器的肌电假手握力控制方法 |
CN102309365A (zh) * | 2011-08-30 | 2012-01-11 | 西安交通大学苏州研究院 | 一种可穿戴的脑控智能假肢 |
Non-Patent Citations (2)
Title |
---|
ERIK D. ENGEBERG, ET AL.: "Backstepping and Sliding Mode Control Hybridized for a Prosthetic Hand", 《IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING》 * |
GUOZHENG XU, ET AL.: "Adaptive Impedance Control Based on Dynamic Recurrent Fuzzy Neural Network for Upper-limb Rehabilitation Robot", 《CONTROL AND AUTOMATION》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103417315A (zh) * | 2013-08-01 | 2013-12-04 | 中南大学 | 一种假肢手的拟人反射控制方法 |
CN103417315B (zh) * | 2013-08-01 | 2019-06-07 | 中南大学 | 一种假肢手的拟人反射控制方法 |
CN103494660A (zh) * | 2013-10-17 | 2014-01-08 | 东南大学 | 基于随机共振的肌电假手控制方法 |
CN103494660B (zh) * | 2013-10-17 | 2015-11-18 | 东南大学 | 基于随机共振的肌电假手控制方法 |
CN104721012A (zh) * | 2013-12-24 | 2015-06-24 | 上银科技股份有限公司 | 感应式力量反馈机构 |
CN104721012B (zh) * | 2013-12-24 | 2017-03-15 | 上银科技股份有限公司 | 感应式力量反馈机构 |
CN105616042A (zh) * | 2014-10-30 | 2016-06-01 | 中国科学院深圳先进技术研究院 | 一种智能假手控制*** |
CN112040858A (zh) * | 2017-10-19 | 2020-12-04 | 脸谱科技有限责任公司 | 用于识别与神经肌肉源信号相关的生物结构的***和方法 |
CN112040858B (zh) * | 2017-10-19 | 2024-06-07 | 元平台技术有限公司 | 用于识别与神经肌肉源信号相关的生物结构的***和方法 |
CN110169851A (zh) * | 2019-05-28 | 2019-08-27 | 南京航空航天大学 | 肌电信号自适应调节的假手控制*** |
CN110169851B (zh) * | 2019-05-28 | 2023-11-07 | 南京航空航天大学 | 肌电信号自适应调节的假手控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN103006358B (zh) | 2014-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103006358A (zh) | 一种肌电假手的控制方法 | |
WO2018176962A1 (zh) | 一种基于脑电波信号的机器人控制***及方法、头戴装置 | |
CN202173391U (zh) | 数字化中医脉象诊断*** | |
CN101766510A (zh) | 基于肌电控制的机械假手的力触觉反馈及力度控制方法 | |
CN202223388U (zh) | 一种可穿戴的脑控智能假肢 | |
CN102125425A (zh) | 基于移动通信终端的数字化中医脉象诊断*** | |
CN113633521A (zh) | 一种上肢外骨骼康复机器人控制***及控制方法 | |
CN110038290A (zh) | 一种肌力康复辅助装置 | |
CN206714926U (zh) | 一种智能助力康复手套 | |
CN102309365A (zh) | 一种可穿戴的脑控智能假肢 | |
Liu et al. | An adaptive upper-arm EMG-based robot control system | |
CN103655011A (zh) | 假肢 | |
CN102228399A (zh) | 基于模糊控制器的肌电假手握力控制方法 | |
CN114392137A (zh) | 一种穿戴式柔性下肢助力外骨骼控制*** | |
CN202589521U (zh) | 一种测量肌电电极与皮肤接触阻抗的装置 | |
Turgunov et al. | Comparative analysis of the results of EMG signal classification based on machine learning algorithms | |
Kiguchi et al. | An exoskeleton system for elbow joint motion rehabilitation | |
CN105813011B (zh) | 基于手机客户端的机械手装置临场感知信号检测方法 | |
CN204909750U (zh) | 基于双臂肌电、姿态信息采集的智能假肢 | |
CN111639762A (zh) | 一种基于自组织神经网络的下肢假肢步态识别方法 | |
CN110115584A (zh) | 一种咳嗽呼吸监测*** | |
CN114800440B (zh) | 基于变刚度的外肢体机器人辅助支撑方法 | |
KR100706065B1 (ko) | 근전도를 이용한 사용자 의도 인식 방법 및 그 시스템 | |
Hayashi et al. | Torque optimization for a 7DOF upper-limb power-assist exoskeleton robot | |
CN104666052A (zh) | 面向外骨骼机器人的下肢肌音信号处理***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |